随着数字技术在公共治理领域的渗透政府数字治理程度已成为区域经济学和公共管理研究中的重要解释变量。然而如何为这一抽象概念找到一个可量化、跨年可比、可用于因果识别的代理指标一直是实证研究中的难点。本文整理的地级市与省级面板数据2000—2025借助 2014 年启动的信息惠民国家试点城市政策外生冲击将试点事件作为数字治理程度的代理变量可直接用于双重差分DID、事件研究及合成控制等因果识别设计。一、数据概况下表汇总了数据集的核心参数方便研究者快速评估其适用范围。整体来看该数据具备以下特点1覆盖时间跨度长能够考察数字治理的长期动态效应2颗粒度细到地级市可与上市公司、地块、夜间灯光等微观数据进行匹配3原始政策冲击由中央统一部署受地方选择性影响较小相对外生。二、政策背景信息惠民国家试点2014 年国家发展改革委联合相关部门启动信息惠民国家试点城市建设先后遴选 80 个城市作为试点。试点工作的核心任务包括• 建设统一的政务数据共享平台• 推进跨部门、跨层级的数据互联互通• 推广一网通办等数字化政务服务模式。这一改革被认为是我国数字政府建设从电子政务向数字治理跃迁的重要节点。由于试点城市的选择在很大程度上由上级部门依据城市基础条件综合权衡对地方经济绩效而言具有准外生性因而被学界广泛用作数字治理的准自然实验。三、指标构建方法3.1 地级市层面基于试点冲击的 DID借鉴刘奥龙等2026的设计思路将信息惠民国家试点城市政策作为数字治理程度的外生冲击对每个地级市构造如下变量•Treat是否为试点城市是则取 1否则取 0•Post试点当年及之后取 1之前取 0•DID Treat × Post核心解释变量可直接放入回归方程•信息惠民试点时间记录具体年份便于做事件研究或动态效应分析。3.2 省级层面试点覆盖率为了衡量省份整体推进数字治理的强度采用省内信息惠民试点城市数量 / 省内全部城市数量作为代理指标。该指标取值介于 0—1 之间越大说明该省数字治理覆盖范围越广。该比值在 2014 年后随试点城市扩充而单调非降可作为连续型解释变量使用。四、数据字段4.1 省级面板字段4.2 地级市 DID 字段以上字段已直接拼接为平衡面板可导入 Stata、R、Python 进行回归分析。五、数据样例图 1 信息惠民试点城市名单共 80 个图 1 信息惠民试点城市名单共 80 个图 2 地级市信息惠民试点 DID 面板样例部分字段图 3 省级数字治理程度面板样例部分字段六、典型研究方向基于该数据集可延伸出多种实证课题例如1.数字治理与企业创新DID 框架下考察试点政策对企业专利申请、研发投入的影响参考刘奥龙等 20262.区域协同创新省级数字治理程度与城市间创新溢出、技术扩散的关系3.公共服务均等化试点对教育、医疗、社保等公共服务可及性的影响4.环境与治理数字治理程度与地方环境规制执行效率、能源消耗的关联5.夜间灯光、GDP 等高频指标与遥感、夜间灯光、POI 等大数据匹配做精细化因果识别。研究者在使用时建议注意1在 DID 模型中加入城市固定效应与年份固定效应2使用 PSM-DID 或 DID-M 对处理组与对照组进行匹配3针对胡焕庸线两侧做地理异质性讨论4尝试多种聚类层级城市、省、行业以保证稳健性。七、参考文献[1] 刘奥龙, 马亦凡, 高娜娜. 打破创新藩篱数字治理能否推动区域协同创新[J]. 山西财经大学学报, 2026, 48(3): 26-38.数据来源国家发展改革委公开文件引用格式刘奥龙,马亦凡,高娜娜.打破创新藩篱数字治理能否推动区域协同创新[J].山西财经大学学报,2026,48(3):26-38.顶部专栏分享更多内容专栏合集经管社科数据集合与整理更多详情CSDN私信Paper数据分析来源Paper数据分析
)
